[英]How to merge two Data Frames based on a few columns in second Data Frame in Python Pandas?
我在 Python 中有两个 Pandas 数据框,如下所示:
df1
ID
----
11
22
33
44
df2
ID1 ID2 ID3
--------------------
11 | 5 | 114
88 | 22 | 18
99 | 45 | 33
我需要做一些类似 df1 LEFT JOIN df2 的操作,并使用来自 df1 的“ID”和来自 df2 的“ID1”、“ID2”、“ID3”将 df1 与 df2 合并
因此,我需要如下内容:
ID ID1 ID2 ID3
--------------------------
11 | 11 | 5 | 114
22 | 88 | 22 | 18
33 | 99 | 45 | 33
44 | 123456 | 123456 | 123456
我怎样才能在 Python Pandas 中做到这一点? 我完全不知道。
您可以将df2
堆叠为df2a
,然后将df1
与df2a
左连接,然后左连接与原始索引匹配的原始df2
。 用123456
填充NaN
并删除中间列以获得所需的输出:
df2a = df2.stack().reset_index(name='ID')
df_out = (df1.merge(df2a, on='ID', how='left')
.merge(df2, left_on='level_0', right_index=True, how='left')
.fillna(123456, downcast='infer')
.drop(['level_0', 'level_1'], axis=1)
)
或者用.join
简化第二个.merge
(感谢@HenryEcker 的建议),如下:
df2a = df2.stack().reset_index(name='ID')
df_out = (df1.merge(df2a, on='ID', how='left')
.join(df2, on='level_0')
.fillna(123456, downcast='infer')
.drop(['level_0', 'level_1'], axis=1)
)
结果:
print(df_out)
ID ID1 ID2 ID3
0 11 11 5 114
1 22 88 22 18
2 33 99 45 33
3 44 123456 123456 123456
分解步骤:
print(df2a)
level_0 level_1 ID
0 0 ID1 11
1 0 ID2 5
2 0 ID3 114
3 1 ID1 88
4 1 ID2 22
5 1 ID3 18
6 2 ID1 99
7 2 ID2 45
8 2 ID3 33
你应该看看这里( https://pandas.pydata.org/pandas-docs/stable/user_guide/merging.html ),你有很多不同的soutions。 例如:
import pandas as pd
df1 = pd.DataFrame(
{
"A": ["A0", "A1", "A2", "A3"],
"B": ["B0", "B1", "B2", "B3"],
"C": ["C0", "C1", "C2", "C3"],
"D": ["D0", "D1", "D2", "D3"],
}
)
df2 = pd.DataFrame(
{
"A": ["A4", "A5", "A6", "A7"],
"B": ["B4", "B5", "B6", "B7"],
"C": ["C4", "C5", "C6", "C7"],
"D": ["D4", "D5", "D6", "D7"],
}
)
df3 = pd.DataFrame(
{
"A": ["A8", "A9", "A10", "A11", "A12"],
"B": ["B8", "B9", "B10", "B11", "B12"],
"C": ["C8", "C9", "C10", "C11", "C12"],
"D": ["D8", "D9", "D10", "D11", "D12"],
}
)
df = pd.concat([df1, df2, df3], axis=1)
给你:
A B C D A B C D A B C D
0 A0 B0 C0 D0 A4 B4 C4 D4 A8 B8 C8 D8
1 A1 B1 C1 D1 A5 B5 C5 D5 A9 B9 C9 D9
2 A2 B2 C2 D2 A6 B6 C6 D6 A10 B10 C10 D10
3 A3 B3 C3 D3 A7 B7 C7 D7 A11 B11 C11 D11
4 NaN NaN NaN NaN NaN NaN NaN NaN A12 B12 C12 D12
所以,在你的情况下:
df1 = pd.DataFrame(
{
"ID": [11, 22, 33, 44]
}
)
df2 = pd.DataFrame(
{
"ID1": [11, 88, 99],
"ID2": [5, 22, 45],
"ID3": [114, 18, 33]
}
)
df = pd.concat([df1, df2], axis=1)
df.fillna('123456', inplace=True) # to replace NaNs with the values you want
给出:
ID ID1 ID2 ID3
0 11 11.0 5.0 114.0
1 22 88.0 22.0 18.0
2 33 99.0 45.0 33.0
3 44 123456 123456 123456
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.